RODRIGUES, Christiano de Araújo Pereira. INFOrM - Uma abordagem para detecção de quedas baseada em sensores de movimento infravermelhos e acelerômetros. 2016. 83 f. Dissertação (Mestrado em Ciência da Computação)-Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Jonatas Martins (jonatasmartins@lia.ufc.br) on 2017-06-30T16:48:16Z
No. of bitstreams: 1
2016_dis_caprodrigues.pdf: 4156435 bytes, checksum: cb0fa1269c76ebe01c2bdaa3c87f4987 (MD5) / Approved for entry into archive by Rocilda Sales (rocilda@ufc.br) on 2017-07-03T12:36:42Z (GMT) No. of bitstreams: 1
2016_dis_caprodrigues.pdf: 4156435 bytes, checksum: cb0fa1269c76ebe01c2bdaa3c87f4987 (MD5) / Made available in DSpace on 2017-07-03T12:36:42Z (GMT). No. of bitstreams: 1
2016_dis_caprodrigues.pdf: 4156435 bytes, checksum: cb0fa1269c76ebe01c2bdaa3c87f4987 (MD5)
Previous issue date: 2016 / The increase of life expectancy and higher quality of life has caused the aging of the world population. A fairly common problem for the elderly are falls, which can be fatal in some cases. In such scenarios, technology should offer support for better monitoring of this age group. With the Internet of Things (IoT), anything can be accessed anytime, anywhere. Through the information of these things an Ambient Assisted Living (AAL) System can help people maintain their independence and live better. One of the functionalities of this type of system is to detect falls. This master dissertation paper presents INFOrM (INdoor Fall detectiOn Method), a method for fall detection that uses machine learning to generate a classification model based on high and low level information, from accelerometers and passive infrared sensors. The classifier uses technology that is easy to accept by the user and has redundant and complementary information that can improve system detection when analyzed together, but can also be used independently, avoiding system shutdown. The results obtained from experiments show that the combined use of sensors that respect the privacy of their users, such as motion sensors and accelerometer, can achieve high accuracy rates in fall detection, including slow falls and risk scenarios, such as the bathroom. / O aumento da expectativa de vida das pessoas e maior qualidade de vida, tem provocado o envelhecimento da população mundial. Um problema bastante comum aos idosos são as quedas, que podem ser fatais em alguns casos. Em cenários como este, a tecnologia deve oferecer o suporte para a melhoria do acompanhamento desta faixa etária. Com a Internet das Coisas (IoT), qualquer coisa pode ser acessada a qualquer momento e em qualquer lugar. Por meio das informações dessas coisas um Sistema de Ambient Assisted Living (AAL) pode auxiliar pessoas a manter sua independência e viver melhor. Uma das funcionalidades deste tipo de sistema é detectar quedas. Este trabalho de dissertação de mestrado apresenta o INFOrM (INdoor Fall detectiOn Method), um método para detecção de quedas que utiliza aprendizagem de máquina para geração de um modelo de classificação baseado em informações de alto e baixo nível, provenientes de acelerômetros e sensores infravermelhos passivos. O classificador utiliza
tecnologia de fácil aceitação pelo usuário e possui informações redundantes e complementares que podem melhorar a detecção do sistema analisadas em conjunto, mas que também podem ser usadas de forma independente, evitando a parada total do sistema. Os resultados obtidos a partir de experimentos demonstram que a utilização conjunta de sensores que respeitam a privacidade de seus usuários, como sensores de movimento e acelerômetro, pode atingir altos índices de acurácia na detecção de quedas, incluindo quedas lentas e em cenários de risco, como o banheiro.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/23753 |
| Date | January 2016 |
| Creators | Rodrigues, Christiano de Araújo Pereira |
| Contributors | Aguilar, Paulo Armando Cavalcante, Castro, Miguel Franklin de |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds